已经提出了许多用于红外小目标检测的最新技术。 它们在具有均一背景和高对比度目标的图像上效果很好。 然而,当面对高度异质的背景时,它们将不能很好地工作,主要是由于:1)存在强边缘和其他干扰组件,2)没有充分利用先验条件。 受此启发,我们提出了一种同时利用本地先验和非本地先验的新颖方法。 首先,我们采用新的红外补丁张量(IPT)模型来表示图像并保留其空间相关性。 利用目标稀疏先验和背景非局部自相关先验,将目标背景分离建模为鲁棒的低秩张量恢复问题。此外,借助结构张量和权重思想,我们设计了一种局部局部自适应和稀疏性增强权重来代替全局常数加权参数。 根据目标检测的实际情况,可以通过元素重加权的高阶稳健主成分分析以及附加的收敛条件来实现分解。广泛的实验表明,我们的模型优于其他最新技术,特别是对于图像质量非常高的图像昏暗的目标和沉重的杂物。
2022-04-08 20:02:03 1.64MB Infrared patch-tensor model infrared
1